67
4.3.4. Evaluasi Construct Reliability dan Variance Extracted
Selain melakukan pengujian konsistensi internal Cronbach’s Alpha,
perlu juga dilakukan pengujian construct reliability dan variance extracted.
Kedua pengujian tersebut masih dalam koridor uji konsistensi internal yang akan memberikan peneliti kepercayaan diri yang lebih besar
bahwa indikator-indikator individual mengukur suatu pengukuran yang sama Purwanto, 2002. Dan variance extracted direkomendasikan pada tingkat
0,50. Hasil perhitungan construct reliability dan variance extracted
Tabel 4.9. Construct Reliability dan Variance Extracted
Konstrak Indikato
r Standardiz
e Factor Loading
SFL Kuadra
t Error
[εj] Construct
Reliabilit y
Varianc e
Extrated Product
Quality X1
-0.263 0.069
0.931 0.033
0.035 X4
0.005 0.000
1.000 Cusatomer
Satisfaction Y1
0.998 0.996
0.004 0.479
0.499 Y2
-0.038 0.001
0.999 Customer
Loyalty Z1
0.271 0.073
0.927 0.149
0.132 Z2
0.549 0.301
0.699 Z3
-0.145 0.021
0.979 Batas Dapat
Diterima ≥ 0,7
≥ 0,5 Sumber
Hasil pengujian reliabilitas instrumen dengan construct reliability dan variance extracted menunjukkan instrumen kurang reliabel, yang
ditunjukkan dengan nilai construct reliability belum seluruhnya ≥ 0,7.
Meskipun demikian angka tersebut bukanlah sebuah ukuran “mati” artinya bila penelitian yang dilakukan bersifat exploratory, maka nilai di bawah 0,70
pun masih dapat diterima sepanjang disertai alasan–alasan empirik yang : Lampiran
68
terlihat dalam proses eksplorasi. Dan variance extracted direkomendasikan pada tingkat 0,50.
4.3.5. Evaluasi Normalitas
Uji normalitas sebaran dilakukan dengan Skewness Value dari data yang digunakan yang biasanya disajikan dalam statistik deskriptif. Nilai
statistik untuk menguji normalitas itu disebut z-value. Bila nilai-z lebih besar dari nilai kritis maka dapat diduga bahwa distribusi data adalah tidak normal.
Nilai kritis dapat ditentukan berdasarkan tingkat signifikansi 0,01 1 yaitu sebesar
± 2,58. Hasilnya diperoleh nilai c.r. multivariat diantara ± 2,58 dan itu berarti asumsi normalitas terpenuhi dan data layak untuk digunakan dalam
estimasi selanjutnya. Hasil analisis tampak pada tabel berikut :
Tabel 4.10. Normalitas Data
Variable min
max kurtosis
c.r. X1
4 7
-0.830 -1.777
X4 2
7 -0.235
-0.504 Y1
3 7
-0.866 -1.854
Y2 3
7 -0.220
-0.471 Z1
4 7
-0.920 -1.969
Z2 4
7 -0.935
-2.001 Z3
2 7
0.998 2.137
Multivariate -1.681
-0.785
Batas Normal ± 2,58
Sumber Hasil uji menunjukkan bahwa nilai c.r. mutivariate berada di antara
± 2,58 itu berarti asumsi normalitas terpenuhi. Fenomena ini tidak menjadi masalah serius seperti dikatakan oleh Bentler Chou [1987] bahwa jika
teknik estimasi dalam model SEM menggunakan maximum likelihood estimation [MLE] walau ditribusi datanya tidak normal masih dapat
: Lampiran
69
menghasilkan good estimate, sehingga data layak untuk digunakan dalam estimasi selanjutnya.
4.3.6. Analisis Model - One-Step Approach to SEM
Kategori